- •Державний вищий навчальний заклад
- •1. Інформаційна база економетричних моделей
- •1.1. Динамічні ряди та їхні характеристики
- •2. Варіаційні ряди та їхні характеристики
- •2. Проста вибіркова лінійна регресія
- •2.1. Оцінка параметрів лінійної регресії за допомогою методу найменших квадратів
- •2.2. Коефіцієнти кореляції та детермінації
- •Поняття про ступені вільності. Аналіз дисперсій
- •Anova-таблиця
- •2.4. Перевірка простої регресійної моделі на адекватність. Поняття f-критерію Фішера
- •2.5. Інші критерії якості лінійної регресії
- •2.6. Математичне сподівання та дисперсія розподілу параметрів b0 та b1 . Оцінка дисперсії випадкової величини .
- •2. Дисперсія параметра b0:
- •4. Дисперсія параметра b1:
- •5. Оцінка дисперсії випадкової величини :
- •Перевірка значимості параметрів b0 та b1 вибіркової лінійної регресійної моделі за допомогою t-теста Стьюдента
- •Коефіцієнта кореляції
- •2.9. Побудова інтервалів довіри для параметрів та
- •2.10. Прогнозування за моделями простої лінійної регресії
5. Оцінка дисперсії випадкової величини :
, (2.6.5)
де к — кількість параметрів, що оцінюється в регресійній моделі. Для простої лінійної регресії:
. (2.6.6)
Середнє квадратичне відхилення оцінки дисперсії:
. (2.6.7)
Оскільки випадкова величина — неспостережувана, то і її дисперсію неможливо обчислити, тому на практиці дисперсія випадкової величинизамінюється на свою оцінку.
У виразах (2.6.2) та (2.6.4) дисперсія параметрів b0 та b1 — невідома, оскільки вона залежить від дисперсії помилок випадкової величини , котру неможливо спостерігати. Отже, для параметрівb0 та b1 дійсна дисперсія замінюється своєю оцінкою [5]:
; (2.6.8)
(2.6.9)
Приклад 5. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в прикладі 1.
Рішення:
Для параметра b1:
Для параметра b0:
Завдання 21. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 4.
Завдання 22. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 8.
Завдання 23. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 10.
Завдання 24. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 11.
Завдання 25. Маємо таку інформацію:
; n = 40
а) визначити ; б) визначити .
Перевірка значимості параметрів b0 та b1 вибіркової лінійної регресійної моделі за допомогою t-теста Стьюдента
t-тест Стьюдента для перевірки значимості параметрів b0 та b1, визначених методом найменших квадратів, має вигляд:
. (2.7.1)
За таблицею t-розподілу Стьюдента визначають — критичне значення з (n-2) ступенями вільності та 5%-рівнем значимості.
Якщо , то параметр bi — статистично значимий [5].
Приклад 6. Перевірити значимість параметрів b0 та b1 лінійної регресійної
моделі, побудованої в прикладі 1, за допомогою
t-теста Стьюдента.
.
Рішення:
Для параметра b1 та b0:
;
Примітка: та розраховані в прикладі 5. За таблицею t-розподілу Стьюдента визначимо — критичне значення з n-2=5-2=3 — ступенями вільності та 5%-рівнем значимості:
.
Оскільки, t1=17,34 > tкр.=3,182;
t2 = 5,21 > tкр.=3,182.
Отже, параметри b1 та b0 статистично значимі.
Завдання 26. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 4, використавши t-тест Стьюдента.
Завдання 27. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 8, використавши t-тест Стьюдента.
Завдання 28. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 10, використавши t-тест Стьюдента.
Завдання 29. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 11, використавши t-тест Стьюдента.
2.8. t-тест Стьюдента для оцінки значимості